没猜错，这不就来了吗？ @UTechStables 币安将上线United Stables (U) 并推出U零交易手续费活动 Binance Will List United Stables (U) and Introduce U Zero Trading Fee Promotion 撸了孙哥上万U的毛了，现在更加不用担心了，走起！ $U

YC CEO 凌晨 2 点还在写代码，不是因为 deadline，是因为他重新找到了构建的乐趣。 Garry Tan 说了一句让人印象深刻的话： "不要问哪个 AI 模型最好，这是个错误的问题。" 他给在做的事起了个名字叫元元提示（Meta-Meta-Prompting）。 普通用法：遇到问题 → 写 prompt → 解决 → 结束。 元元提示：遇到问题 → 解决 → 让 AI 把这次解法提取成可重用技能 → 下次自动调用。 区别在于：普通用法每次都从零开始，元元提示每次修复都在所有未来调用中复利积累。 具体怎么做： 任务跑完之后，加一句： "把你刚才的解法提取成一个可重用的工作流，下次遇到类似问题直接调用。" 你的 AI 从一个执行者，变成了一个自我优化的系统。

在无畏的基础上再补充三个点： 1 在 @AethirCloud 跟币安的合约上线合同当中，罗卫宇 在 $ATH 代币层面的占比超过50% 2 之前百科提过， $ATH 的经济模型中的挖矿代币产出部分的比例，将从23%变为21%. 但实际情况是，挖矿这部分后面会直接缩减80%，打个比方：Aethir 矿机每天的产量将从100个 $ATH 缩减为 20 $ATH 3 最后，据知情人士透露，罗卫宇长期出入中国大陆。 1 In the contract trading pair listing agreement between @AETHIR and Binance, WeiYu Luo holds over 50% of the $ATH token share. 2 It was previously mentioned that the proportion of $ATH mining token output would decrease from 23% to 21%. But in reality, the mining output will be directly reduced by 80%. For example, the daily output of an Aethir mining machine will drop from 100 $ATH to 20 $ATH. 3 Lastly, according to insiders, WeiYu Luo frequently travels in and out of mainland China. 1 @AethirCloud 바이낸스의 계약 거래 쌍 상장 계약에서 뤄웨이위(罗卫宇)는 $ATH 토큰 지분에서 50% 이상을 보유하고 있습니다. 2 이전에 백과사전에서 $ATH의 채굴 토큰 산출 비율이 23%에서 21%로 감소할 것이라고 언급했지만, 실제로는 채굴 산출이 이후 80% 직접 축소될 것입니다. 예를 들어, Aethir 채굴기의 일일 산출량은 100 $ATH에서 20 $ATH로 줄어듭니다. 3 마지막으로, 내부 소식통에 따르면 뤄웨이위는 중국 본토를 자주 드나들고 있습니다. @HouseofChimera @andrewmoh @SidDegen @heungmangoo @VuoriTrading @0xLofty @DeFiTracer @TheCryptoYapper @wacy_time1 @AltCryptoGems @coinmuhendisi @Morecryptoonl @0xFinish @scribble_dao @intern_cripto @anshitaksoni @Bancrypto__ @Edward__Park @Coiniseasy @cryptocruise77 @tm_uchal @co_cobling @Hope_web3_ @munchanghw98379 @Bounty_ATM @Jongyun_s_korea @with_blockmedia @tokenpostkr @CoinNess_ @riyuexiaochu @monkeyjiang @liuxiaoling933 @leshka_eth @BTC_Alert_ @octopusycc @sjbtc9 @superogers1 @YeruiZhang @0xNathanWalk @ferdie_jhovie @liangxihuigui @xiaomucrypto @off_thetarget @_FORAB @Paris13Jeanne @cathy_que #aethir# #ath# #ivc# #罗卫宇# #dat#

这个话题大家平时都不想提，但目前人还不能永生。每个平台都应该有个“遗嘱功能”：不在的时候，自己的资产按照指定的比例分到几个指定的账号。法律监管条款里也应该允许未成年的小孩也能有账号（可以不允许交易，但可以收款）。 This is a topic people avoid, but the fact is, humans cannot live forever yet. Every platform should have a ‘will function’—so that when someone is no longer around, their assets can be distributed to designated accounts according to specified proportions. Regulatory frameworks should also allow minors to have accounts (they can be restricted from trading, but should be allowed to receive funds).”

什么?! skill 也能"训练"了? 以往大家都是凭经验让AI写 skill, 然后调试的时候也是运行几下感觉没bug就完事了. 但 skill 能运行就一定好吗? 于是微软联合上交复旦同济等机构发了一个新框架 SkillOpt, 直接让AI评估skill写的好不好然后不断去优化! 最终, 这个框架写的 skill 让GPT-5.5的直接对话准确率飙升了 23.5分! 这个框架具体是怎么做的也很简单, 让skill迭代过程实现 harness 闭环! 大模型写完 skill 后, 立刻进入跑分流程, 只有得分更高的 skill 变更才会留下来. 跟大模型的强化学习过程如出一辙. 框架的设计也很值得做 Agent 框架的同学借鉴, 比如: 它设计了一个独立的优化器模型, 这个模型是用来写 skill 的, 它会根据 Agent 执行任务的试错表现得分, 对 skill 进行编辑操作(增加、删除、替换文本). 然后就是 harness 流程了：每一次文本编辑都必须在独立的验证集上分数有提升, 才会允许合并. 最后, 也是最精彩的地方, 框架还引入深度学习训练机制, 设计了文本层的学习率预算, 这个的核心就是限制大模型每次只能修改skill的一小部分, 慢慢迭代, 而不是全都重写. 论文中最有价值的数据就在这里, 论文实验发现, 每一步设置 4 到 8 个编辑操作的预算效果最好. 最终的最佳 skill 往往只包含 1 到 4 个被接受的核心修改. 甚至他们还设计了被拒编辑缓冲区, 用来存储训练过程的反面胶材, 以及周期性慢速/元更新, 这个则是跑完一个周期后, 会进行一次盘点, 类似于让框架形成记忆, 能更好的维持后续迭代. 这篇论文的结论十分深刻: skill(prompt) 完全配得上, 也需要一套系统级的训练流程. 原文中的描述直接是: 我们主张, skill 应当作为 Agent 的外部冻结状态来被"训练", 并且训练过程还要"让权重空间优化具有可重复性"! 这是不是意味着, 提示词工程(Prompting)和模型训练(Training) 的界限将逐渐变得模糊? 而提示词工程完全进入了机器学习的领域. 也许很快, 我们再也不需要人类去手动瞎改和调试提示词了! 论文地址: #skillopt# #微软# #提示词工程# #harness#